برای انتشار اسناد به‌صورت یک سایت ایستا، از یک عامل هوش مصنوعی بخواهید تا آن‌ها را به Markdown با متادیتای YAML و تصاویر ذخیره‌شده به‌صورت فایل تبدیل کند، سپس ژنراتور خود را اجرا کنید. GroupDocs.Markdown.Mcp تبدیل را به‌صورت محلی انجام می‌دهد، بنابراین Claude Desktop، Claude Code، Cursor یا GitHub Copilot می‌توانند محتوای Word، Excel و کتاب‌های الکترونیکی را برای Hugo، Jekyll، MkDocs یا Docusaurus آماده کنند بدون اینکه به سرویسی ارسال شوند:
این اسناد را به Markdown با متادیتای front matter، طعم GitHub و تصاویر به‌صورت فایل تبدیل کنید.
نسخه گام‌به‌گام با پیکربندی و عیب‌یابی در مستندات موجود است: چگونه اسناد را به‌صورت Markdown برای یک سایت ایستا منتشر کنیم.
یک ژنراتور سایت ایستا چه چیزی از یک سند نیاز دارد؟
سه مورد: Markdown برای بدنه، متادیتای YAML برای متا‑داده‌ها، و تصاویر به‌صورت فایل در مسیرهای نسبی. Hugo، Jekyll، MkDocs و Docusaurus همگی front matter را می‌خوانند. convert_to_markdown هنگام انتخاب گزینه‌ها، هر سه را تولید می‌کند:
| گزینه | مقدار برای سایت | کاری که انجام می‌دهد |
|---|---|---|
frontMatter |
true |
YAML با عنوان، نویسنده، فرمت و تعداد صفحات در بالای فایل می‌نویسد |
images |
"file" |
تصاویر را در کنار فایل .md می‌نویسد و به آن‌ها با مسیر نسبی ارجاع می‌دهد |
flavor |
"github" (پیش‌فرض)، یا "commonmark" |
Markdown با طعم GitHub چیزی است که اکثر ژنراتورها فرض می‌کنند؛ CommonMark برای زنجیره ابزارهای سخت‌گیرانه‌تر مناسب است |
عنوان و نویسنده را در بالای هر فایل تبدیل‌شده بررسی کنید؛ اگر خالی یا اشتباه باشند، از عامل بخواهید آن‌ها را تنظیم کند.
چگونه Word را به Markdown برای Hugo تبدیل کنم؟
Hugo ژنراتور این وبلاگ است، بنابراین در اینجا مثال آن است. این جریان چهار مرحله دارد و عامل تمام آن‌ها را اجرا می‌کند.
- تبدیل. دستور بالا را بر روی پوشه اسناد اجرا کنید.
- چیدمان. سرور فایل‌ها را می‌نویسد؛ چیدمان کار عامل است.
هر فایل تبدیل‌شده را در پوشه‌ای به نام سند قرار دهید، و تصاویر آن را در زیرپوشه
imagesکنار آن ذخیره کنید. - کلیدهایی که تم می‌خواهد را اضافه کنید. تم‌های Hugo اغلب
dateیاweightرا انتظار دارند. ابزار آن‌ها را نمی‌نویسد، بنابراین بپرسید:weightرا به front matter هر فایل اضافه کنید، به ترتیب شماره‌گذاری که من فهرست کرده‌ام. - ساخت. Hugo را خودتان اجرا کنید. در این مرحله فایل‌ها Markdown معمولی با front matter هستند و ژنراتور آن‌ها را مانند هر صفحه‌ای رفتار می‌کند.
برای Docusaurus و MkDocs خروجی یکسان است؛ فقط چیدمان پوشه‌ها و کلیدهای اضافی متفاوت هستند و شما آن‌ها را در درخواست‌های دوم و سوم توصیف می‌کنید.
مثال جلسه (مختصر)
شما: سه سند موجود در /drafts را به Markdown با front matter، طعم GitHub و تصاویر به‌صورت فایل تبدیل کنید. یک پوشه برای هر سند.
عامل: convert_to_markdown (frontMatter: true, flavor: "github", images: "file") x 3
پوشه‌های guide-onboarding/، guide-security/ و price-list/ با فایل‌های .md و زیرپوشه‌های images ایجاد شد. front matter شامل عنوان، نویسنده، فرمت و تعداد صفحات است.
شما: وزن (weight) را به هر فایل به ترتیب فهرست‌شده اضافه کنید.
عامل: عامل: front matter سه فایل را با وزن‌های ۱۰، ۲۰ و ۳۰ به‌روز کرد.
چگونه نتیجه را قبل از انتشار بررسی کنم؟
دو بررسی تقریباً تمام مشکلات را می‌گیرند:
برای هر فایل تبدیل‌شده، تعداد صفحات منبع را با طول Markdown مقایسه کنید.
سندی ۶۰ صفحه‌ای که به ۳ کیلوبایت Markdown تبدیل شده است، یک PDF اسکن‌شده یا اجرای حالت ارزیابی است.
پوشه تصویر هر سند و تصاویری که Markdown آن ارجاع می‌دهد را فهرست کنید.
یک .md که به تصاویری ارجاع می‌دهد که هرگز نوشته نشده‌اند، به‌صورت تصاویر خراب در سایت نمایش داده می‌شود. قبل از پردازش یک دسته دوصد تایی، منبع پر‌مشکل را به‌صورت نمونه‌وار بررسی کنید.
منابع Word و Excel با ساختار اصلی خود تبدیل می‌شوند: عناوین به عناوین تبدیل می‌شوند و جداول به جداول Markdown تبدیل می‌شوند. PDFs بسته به نحوه تولیدشان متفاوت است. خروجی دیجیتالی اولیه به‌صورت تمیز تبدیل می‌شود؛ اسکن‌ها به‌طور مفید تبدیل نمی‌شوند، زیرا این سرور مرحله OCR ندارد.
کدام کلیدهای front matter را خودم اضافه می‌کنم؟
frontMatter: true عنوان، نویسنده، فرمت و تعداد صفحات را می‌نویسد. این مقادیر را در هر فایل بررسی کنید و از عامل بخواهید هر کدام که خالی یا اشتباه است را اصلاح کند. ناوبری، ترتیب، برچسب‌ها و تاریخ‌ها کلیدهایی هستند که پس از تبدیل، همانند مرحله ۳، اضافه می‌کنید. برای استخراج ویژگی‌های بیشتر سند به front matter، این سرور را با GroupDocs.Metadata.Mcp ترکیب کنید که آن‌ها را می‌خواند و از عامل بخواهید کلیدها را اضافه کند؛ این پست به این موضوع نمی‌پردازد.
محدودیت‌های صادقانه
بدون لایسنس، سرور در حالت ارزیابی اجرا می‌شود و فقط اولین ۳ صفحه پردازش می‌شوند، به‌همراه یک واترمارک ارزیابی بر هر صفحه. سایتی که از خروجی بدون لایسنس ساخته شود، بخش‌های سه‌صفحه‌ای اسناد طولانی را ارائه می‌دهد. قبل از تبدیل get_license_status را اجرا کنید و بررسی «طول نسبت به منبع» را در حلقه نگه دارید.
پرسش‌های متداول
چگونه Word را به Markdown برای Hugo تبدیل کنم؟
از عامل بخواهید سند را با frontMatter: true، images: "file" و flavor: "github" تبدیل کند، سپس فایل‌ها را در پوشه محتوایتان چیدمان کند. هر کلید خاص تم، مانند weight، را در درخواست دوم اضافه کنید.
آیا یک عامل هوش مصنوعی می‌تواند اسناد را به یک سایت ایستا منتشر کند؟
می‌تواند تمام مواردی که ساخت سایت نیاز دارد را آماده کند: Markdown، front matter، فایل‌های تصویر و چیدمان پوشه‌ها. شما ژنراتور را اجرا می‌کنید، بنابراین ساخت و استقرار تحت کنترل شما باقی می‌ماند.
آیا تبدیل به‌صورت محلی انجام می‌شود؟
بله. GroupDocs.Markdown.Mcp به‌عنوان یک فرآیند محلی بر روی stdio اجرا می‌شود و اسناد را از پوشه‌ای که پیکربندی کرده‌اید می‌خواند. اسنادی که فقط پس از بازبینی عمومی می‌شوند، تا زمان انتشار بر روی دستگاه شما باقی می‌مانند.
عمیق‌تر بروید
- مستندات، راهنمای رسمی: چگونه اسناد را به‌صورت Markdown برای یک سایت ایستا منتشر کنیم
- مرکز مستندات: GroupDocs.Markdown MCP Server
- از اینجا شروع کنید: خط لوله RAG شما با Markdown شروع می‌شود — این مرحله را به‌صورت محلی نگه دارید
- مرتبط: ۳ روش برای استخراج فقط بخش مورد نیاز به Markdown با MCP
- مرتبط: خودکارسازی مهاجرت اسناد به‌عنوان کد: عامل تبدیل را اجرا می‌کند، شما بازبینی می‌کنید
- درون‌سازمانی و مدل امنیتی: ۳ معماری برای پردازش اسناد هوش مصنوعی، و آن‌که فایل‌ها را داخل شبکه شما نگه می‌دارد
- سؤالات: GroupDocs Markdown forum
- منبع: GroupDocs.Markdown.Mcp در GitHub